大家好，今天继续聊聊科技圈发生的那些事。

一、LitGPT

LitGPT 是一款用于预训练、微调和部署 LLM 的命令行工具。
我们能看到主页有这样一句话：
For training the world's largest, most powerful open-source LLMs. (用于训练世界上最大、最强的开源 LLM。)
一看到这种最大、最强之类的词，我们难免心生疑惑。那么 LitGPT 是怎么做的呢？
LitGPT 重新实现了所有模型架构和训练配方：
  1. 去除所有抽象层，采用单一文件实现。
  2. 保证符合 Apache 2.0 标准，使企业使用不受任何限制。
  3. 优化每个模型的每个细节，以获得尽可能快的性能，从而降低成本和训练速度。
除此之外，LitGPT 还使用了很多先进的技术。比如用 LoRA 、 Adapter 等进行参数微调，用 Flash Attention 降低显存读写，提高运行速度等，这都是优势所在。
另外，对于自行部署 LLM ，LitGPT 提供了 20 多种现成的 LLM 可供使用，其中不乏有许多我们耳熟能详的模型，比如 Llama 2。你可以使用这些模型配合自己的数据进行微调、预训练等。
项目的部署也很简单，用 pip 直接安装即可。剩下的内容，比如使用、预训练等操作，作者团队在项目主页也已经给出了完整的教学。
项目已经开源，想体验的小伙伴可以自行关注一下。
项目地址：
https://github.com/Lightning-AI/litgpt

二、Parler-TTS

Huggingface 最新推出的 TTS 模型，支持多种语言，支持个性定制化，使用非常简单。
对于先前常见的 TTS 模型，我们通常会选择语言、说话风格、语速等参数。但是 Parler - TTS 是没有这些可调参数的。那么，我们要如何定制我们想要生成的声音信息呢？
我们来看一下 Parler - TTS 的 prompt 实例，其中包含两个部分：
  • Input Text 输入文本
  • Description 描述
在这个 Description 部分，我们可以通过文本输入，提供我们想要的语音风格描述，比如声音的性别，语速快慢，音调高低，甚至是背景音的嘈杂程度和说话的清晰度。
另外，Parler - TTS 是完全开源的，包括权重信息、数据集等等。如果有谁想要在它的基础上进行一些“私人订制”或是微调，都是完全能实现的。
对于Parler - TTS 的本地安装，有多简单呢？一行代码！
pip install git+https://github.com/huggingface/parler-tts.git

说了这么多，我们回到这段话的开头，它的作者可是 Huggingface ，既然是 Huggingface 自己做的，想必我们一定能在线体验了吧？
答案是肯定的，不过这玩意目前还不支持中文。在此，我们就可以想象一段在未来用 Parler - TTS 生成的主播音：上链接。
在线体验地址：
https://huggingface.co/spaces/parler-tts/parler_tts_mini
项目地址：
https://github.com/huggingface/parler-tts

三、InternLM-XComposer2

InternLM-XComposer2 ，一款图文多模态大模型，它还有个超帅的中文名字——浦语·灵笔2。
InternLM-XComposer2 有两块大功能，一个是创建图文并茂的文章，另一个是多模态对话问答。
InternLM-XComposer2 可以理解多种形式的图文指令输入，包括大纲、文章细节要求、参考图片等，生成图文并茂的文章，例如项目团队展示的 demo，生成了一篇介绍熊猫的文章。
InternLM-XComposer2 具有海量图文知识，可以准确的回复各种图文问答难题。比如你可以在上传数学题的同时，把题目的参考图像一起发给 InternLM-XComposer2，就不用让它根据描述自行想象了。你也可以通过重复惩罚等参数调节，进行对话内容的微调。
InternLM-XComposer2 的性能表现也非常不错。在13项多模态评测中，InternLM-XComposer2 大幅领先同量级的多模态模型，在其中6项评测中超过 GPT-4V 和 Gemini Pro。
作者团队也给出了本地部署的安装教程，包括环境的配置，使用案例指导，多 GPU 条件下的脚本，4bit 模型的依赖等。我们也可以在线体验到这款优秀的模型。
在线体验地址：
https://huggingface.co/spaces/Willow123/InternLM-XComposer
对于这个项目，作者团队还在不断更新，我们可以期待一下后续的发展。
项目地址：
https://github.com/InternLM/InternLM-XComposer

四、30 Days Of Python

30 天，学会 Python ！
一进项目的主页，扑面而来的就是令人倍感舒适、整洁有序的文件夹。
30 Days Of Python 这个项目，主要是一个 Python 教学向的大目录。为什么在此作出推荐分享呢？因为它实在是太精细了。
我们来简单看看文档部分：
在 01 章的 Introduction 中，直接从如何安装 Python 环境开始，再到简单的语法教学，如何看报错信息，甚至教你如何安装使用 VS Code ！前人栽树，后人乘凉，确实是少走了很多弯路。至少对于一个从来没有接触过 Python ，甚至是编程的小白来说，配置编程环境也算是一道坎了。
在每一个章节的最后，作者团队也留下了练习，可以供初学者们加以巩固。有没有一种老师留课后作业的感觉？
我们再往后看看，往后的几章涉及到了变量、函数、字符串等基础的知识，越往后，学习到的内容就越深、越全面。比如，到了 Day 21 ，接触到了类和对象；更后面的 Day 25 ，使用 pandas 库处理数据，建立 Dataframe 等；尾声的 Day 28 、 Day 29，涉及 API 的使用和建立。
如果真的能抽出一些时间，完整的跟随这个项目进行为期一个月的学习，我相信初学者一定会受益匪浅，提升一大截编程水平。而“老鸟”们也一定会在这样一份干练的学习计划中，查缺补漏，加深记忆，同样有所收获。
再说回来，这份项目是全英文的，无论是对于在校生还是在职者，会不会也能顺便提升一点英文水平呢？一试便知，感兴趣的小伙伴可以点进项目主页看看。
项目地址：
https://github.com/Asabeneh/30-Days-Of-Python
好了，本期的内容就是这么多，我们下期再见！
·················END·················
继续阅读
阅读原文
关键词
模型
多模态
预训练
信息
预训练